Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Notas de Aula – 2013/2 Matemática para Economia III Professora: Solimá Pimentel 4. Espaços Vetoriais Considere um conjunto V no qual estão definidas duas operações: uma adição, que a cada para de elementos u e v de V associa um elemento u + v de V , chamado soma de u e v, e uma multiplicação por escalar, que a cada número real α e a cada elemento v de V associa um elemento vα de V , chamado produto de α por v. Dizemos que o conjunto V munido dessas operações é um espaço vetorial real se são satisfeitas as seguintes condições, para todos os elementos de V, designados pelas letras u, v e w, e os números reais, designados pelas letras α e β : 1. (u + v) + w = u + (v + w) (associatividade) 2. u + v = v + u (comutativa) 3. Existe um elemento em V, designado por e, que satisfaz v + e = v para qualquer v em V (existência do elemento neutro para a adição) 4. Para cada v ∈ V, existe um elemento de V, designado por –v, que satisfaz v + (-v) = e (existência do elemento inverso aditivo, também chamado de simétrico ou oposto) 5. (α β v) = ( )αβ v (associatividade) 6. ( )v v vα β α β+ = + (distributividade) 7. ( )u v u vα α α+ = + (distributividade) 8. 1.v = v (multiplicação por 1) Os elementos de um espaço vetorial são chamados de vetores. Exemplos. 1. { }2 ( , ) / ,x y x yℜ = ∈ℜ com as operações de adição e multiplicação por um escalar definidas como: ( , ) ( , ) ( , )x y z w x z y w+ = + + ( , ) ( , )x y x yα α α= 2 2. Os conjuntos 2 3, ,..., nℜ ℜ ℜ com as operações de adição e multiplicação por escalar usuais. 3. O conjunto das matrizes m x n com as operações adição e multiplicação por escalar usuais. 4. O conjunto dos polinômios com coeficientes reais de grau ≤ n, mais o polinômio nulo, em relação às operações usais de adição de polinômios e multiplicação por escalar. Subespaços Vetoriais Sejam V um espaço vetorial e S um subconjunto não-vazio de V. O subconjunto S é um subespaço vetorial de V se S é um espaço vetorial em relação à adição e à multiplicação por escalar definidas em V. Teorema Um subconjunto S, não-vazio, de um espaço vetorial V é um subespaço vetorial de V se estiverem satisfeitas as condições: i) ∀ u, v ∈ S tem-se u + v ∈ S. ii) ∀α ∈ IR, u ∈ S tem-se α u ∈ S. Exemplo 1) V= 2ℜ e S= {(x,0) / x ∈ ℜ } é um subespaço vetorial de V com as operações usuais. 2) V= 2ℜ e S= {(x, 4 - 2x) / x ∈ ℜ } não é um subespaço vetorial V com as operações usuais. Combinações Lineares Sejam u1, u2,...,un, vetores de um espaço vetorial V. Uma combinação linear destes vetores é uma expressão da forma a1u1 + a2u2+ . . . +anun = w, onde a1, a2, . . . ,an são escalares. O vetor w é dito uma combinação linear dos vetores u1, u2, . . .,un . Exemplo. 3 1. O vetor u =(1, 0,-1) do IR3 pode ser escrito como combinação linear dos vetores (1,2,-1) e (1,1,-1), pois (1, 0,-1) = -1(1,2,-1) +2(1,1,-1). 2. Considerando os vetores e1 = (1, 0, 0); e2 = (0, 1, 0) e e3 = (0, 0, 1) ∈ IR3, tem-se que qualquer vetor (x, y, z) ∈ IR3 pode ser escrito como combinação linear dos ei, especificamente: (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1). Subespaços Gerados Seja V um espaço vetorial. Considere A um subconjunto de V diferente do conjunto vazio, A={ u1, u2, . . .,un}. O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um subespaço vetorial de V chamado de subespaço gerado por A. Exemplos. 1. O espaço S = {(x, 2x) / x ∈ ℜ } é o subespaço gerado pelo vetor (1, 2) 2∈ℜ . 2. O subespaço 3ℜ gerado pelos vetores u = (1,2,0), v = (3,0,1) e w = (2,-2,1) é o plano de equação 2x – y - 6z = 0. Independência Linear Um conjunto de vetores { }1 2, ,..., nv v v em um espaço vetorial V é chamado linearmente independente se a equação vetorial 1 1 2 2 ... 0n nc v c v c v+ + + = admite apenas a solução trivial 1 2 ... 0nc c c= = = = . O conjunto { }1 2, ,..., nv v v é chamado linearmente dependente quando a equação acima admite alguma solução não trivial. É comum usar a abreviação LI para conjuntos linearmente independentes e LD para os linearmente dependentes. Exemplos. 4 1. Um conjunto contendo um único vetor é linearmente independente se, e somente se, 0.v ≠ 2. O conjunto { }(1,2,0), (3,0,1), (2, 2,1)− é LI em 3ℜ . Observações 1. Os vetores v1,. . .,vn são linearmente dependentes se, e somente se, um deles é combinação linear dos outros. 2. Dois vetores v1 e v2 são LD um vetor é múltiplo escalar do outro. 3. No espaço real 3ℜ a dependência de vetores pode ser escrita geometricamente como segue: dois vetores u e v são dependentes se, e somente se, estão na mesma reta passando pela origem; três vetores u, v e w são dependentes se, e somente se, estão no mesmo plano passando pela origem. Base de um subespaço vetorial Se V é um espaço vetorial qualquer e S = {v1, v2, ..., vn} é um conjunto de vetores em V, dizemos que S é uma base de V se: (a) S é linearmente independente. (b) S gera V. Exemplo O conjunto { }(1,2,0), (12, 6,5)− é uma base do subespaço S: 2x – y – 6z = 0. Observações 1. Todo conjunto LI de vetores de um espaço vetorial é uma base do subespaço por ele gerado. 2. Se B = { 1v , 2v ,..., nv } é uma base de um espaço vetorial V, então todo subconjunto de V com mais de “n” vetores é LD. 3. Se { }1 2, ,..., nB v v v= for uma base de um espaço vetorial V, então todo conjunto com mais de n elementos será linearmente dependente. 5 4. Se B = { 1v , 2v ,..., nv } é uma base de um espaço vetorial V, qualquer vetor de V se escreve de modo único como combinação linear dos vetores de B, isto é, existe uma única n-upla ( n21 a,...,a,a ), tal que vva...vava nn2211 =+++ . 5. Duas bases quaisquer de um espaço vetorial têm o mesmo número de vetores. Dimensão de um Espaço Vetorial Seja V um espaço vetorial. Se V possui uma base com n vetores, então V tem dimensão n e escreve-se dim V = n. Exemplos. 1. dim nℜ = n 2. dim {0} = 0 3. dim Mmxn = m x n Observações 1. Seja V um espaço vetorial tal que dim V = n. Se S é um subespaço de V, então dim S n≤ . 2. Seja V um espaço vetorial de dimensão finita n. Então: (i) Qualquer conjunto de n + 1 ou mais vetores é linearmente dependente (ii) Qualquer conjunto linearmente independente é parte de uma base, isto é, pode ser estendido a uma base. (iii) Um conjunto linearmente independente com n elementos é uma base. Exemplo: Qual a dimensão do espaço vetorial S = { }0zyx/)z,y,x( 3 =−+ℜ∈ ? Solução: Podemos escrever o vetor genérico de S em função de duas variáveis: v = ( x , y ,x + y ). ∈∀ )z,y,x( S =)z,y,x( ( x , y , x + y.) ⇔ )y,y,0()x,0,x()z,y,x( += )1,1,0.(y)1,0,1.(x)z,y,x( += Logo, qualquer vetor (x,y,z) de S é CL dos vetores v1=(1,0,1) e v2 =(0,1,1), isto é, o gerado pelos vetores v1 e v2 é o conjunto S . Além disso, como B = {v1,v2}é LI , B é uma base de S. Portanto, dim S = 2 ( B tem dois vetores). 6 Observa-se que o número de vetores é igual ao número de variáveis. Então, podemos dizer que: A dimensão de um espaço vetorial V é igual ao número de variáveis livres do vetor genérico de V. Coordenadas de um vetor Sejam V um espaço vetorial, v ∈V e B= {v1, v2,..., vn} uma base qualquer de V. Podemos expressar v como uma combinação linear dos vetores desta base B, ou seja, existem números reais naaa ,...,, 21 tais que nnvavavav +++= ..., 2211 . Os reais naaa ,...,, 21 são as coordenadas do vetor v na base B e se representa por Bv =[ ] ( ) 1 2 1 2, ,..., nB n a av a a a a = = M . Exemplo. No 2ℜ , considere as bases A = {(1,0),(0,1)}, B={(2,0),(1,3) e C={(1,- 3),(2,4)}. Dado o vetor v = (8,6), tem-se: [v]A=(8,6); [v]B=(3,2); [v]C=(2,3). Matriz mudança de Base Sejam V um espaço vetorial, A={ nvvv ,...,, 21 } e B={ nuuu ,...,,1 } bases para V. Podemos escrever os vetores de A como combinação linear dos vetores de B: +++= +++= +++= nnnnnn nn nn vavavau vavavau vavavau S ... .................................. ... ... : 2211 22221122 12211111 [ ] [ ] [ ] AABBAABB nnnnn n n n vIvvIv v v v aaa aaa aaa u u u ][.2 1 21 22221 11211 2 1 =⇒=⇒ = M L MLMM L L M A matriz [ ]ABI é chamada matriz mudança de base de A para B. 7 Observe que as coordenadas de v na base B podem ser obtidas conhecendo-se a matriz [ ]ABI e as coordenadas de v na base A. O papel desta matriz é transformar as coordenadas de um vetor v na base A em coordenadas do mesmo vetor v na base B. Exemplo. 1)Sendo A = {(1,1), (2,1)} e B = {(1,0),(0,1)} bases de 2ℜ , determine a matriz de mudança de base A para a base B. Solução. [(1,1)]B = 1 1 e [(2,1)]B = 1 2 . Logo, [ ]ABI 11 21 = . 2) Sejam A = {v1= (-1,2),v2= (3,-1)} e B = {u1= (1,-1),u2= (2,0)} bases do 2ℜ . Calcule Bv , sabendo que )3,4(vA = . (1) Se vA = (a1,a2) ⇔ ⇔+= 2211 vavav )1,3.(3)2,1.(4v −+−= ⇔ v = ⇔ − − 3 4 12 31 v = AvA onde v representa as coordenadas de v na base canônica do 2ℜ e A a matriz mudança de base da base A para a base canônica. Esta representação para a matriz mudança de base de A para a base canônica,vem do fato que as colunas da matriz [ ]ACI são os vetores da base A, por abuso de linguagem, costuma-se escrever [ ]ACI =A (2)Se vB = (b1,b2) ⇔ ⇔+= 2211 ububv ⇔+−= )0,2.(b)1,1.(bv 21 v = − 2 1 b b 01 21 ⇔ v = BvB onde v representa as coordenadas de v na base canônica do 2ℜ e B a matriz mudança de base da base B para a base canônica. Assim , de (1) e (2) , AvA. = BvB que é a relação entre vetores nas bases A e B. Propriedades: 1) A matriz mudança de base é invertível. 2) [ ]( ) [ ]BAAB II =−1 OBS: A matriz mudança de base é construída colocando na j-ésima coluna, as coordenadas do vetor vj na base B, [vj]B. A cada base, corresponde um sistema de coordenadas, realizar uma mudança de base, é substituir o sistema de coordenadas por outro, isto é, é substituir as componentes 8 de um vetor do espaço em relação ao primeiro sistema pelas componentes do mesmo vetor do espaço em relação ao outro. 4ª Lista de Exercícios 1. Expresse o vetor u = (-1, 4, -4, 6) ∈ 4ℜ como combinação linear dos vetores v1 = (3, -3, 1, 0), v2 = (0, 1, -1, 2) e v3 = (1, -1, 0, 0). 2. Determine os subespaços do 3ℜ gerados pelos seguintes conjuntos: (a) A = {(2, -1, 3)} (b) A = {(-1, 3, 2), (2, -2, 1)} (c) A = {(1, 0, 1), (0, 1, 1), (-1, 1, 0)} 3. Determine o valor de k para que o conjunto {(1, 0, -1), (1, 1,0), (k, 1, -1)} seja LI. 4. Determine uma base para cada um dos seguintes espaços vetoriais: (a) S = {(x, y, z) 3ℜ∈ / y = 2x} (b) S = {(x, y) 3ℜ∈ / x + y = 0} (c) S = {(x, y, z) 3ℜ∈ / 2x – y + 3z = 0} (d) S = {(x, y, x); x, y ∈ ℜ } (e) S = {(x, y, z, w); x - 3y + z = 0} (f) S = {(x, y, z) ∈ ℜ 3/ x = 3y e z = -y} 5. Encontre a dimensão e o espaço gerado por: (i) (1, -2, 3, -1) e (1, 1, -2, 3) (ii) 3 e -3 (iii) t3 -2t2 + 5 e t2 + 3t - 4 6. Seja o conjunto { }21 , wwA = , sendo )1,3,1(1 −−=w )4,2,1(2 −=w . Determine: (a) O subespaço S gerado pelo conjunto A. (b) O valor de k para que o vetor )11,,5( kw = pertença à S. 7. Considere S = [(2,1,0), (1,-1,2), (0,3,-4)], o subespaço do 3ℜ gerado pelos vetores (2,1,0), (1,-1,2) e (0,3,-4). Determine sua equação. 8. Para qual valor de k será o vetor u = (1, -2, k) em 3ℜ uma combinação linear dos vetores v = (3, 0, -2) e w = (2, -1, -5)? 9. Determine m para que o conjunto {(2, -3, 2m), (1, 0, m + 4), (-1, 3, m – 2)} seja 9 L.I. 10. Sejam B = {(1,1),(1,0)} e C = {(1,2),(−4,−3)} duas bases do ℜ². Determine a matriz de mudança da base B para a base C e a matriz mudança de base de C para B. Verifique que uma é a inversa da outra. 11. Sejam B={(1,-1),(-1,-1)} e C ={(1,0).(0,1)} bases do ℜ². Encontre [ ]BCI e [ ]CBI . Verifique que uma é a inversa da outra. 12. Seja C={(2,0),(2,1)} uma base para o ℜ²e M= 10 22 a matriz mudança de base de B para C. Determine a base B para o ℜ². 5. Autovetores e Autovalores Seja A uma matriz quadrada de ordem n e V um espaçoo vetorial de dimensão n. Um vetor 0, ≠∈ vVv é autovetor (vetor próprio ou vetor característico) da matriz A se existe λ ∈ ℜ tal que A[v] = v.λ O número real λ é denominado autovalor (valor próprio ou valor característico) de A associado ao autovetor v. Exemplo. O vetor v = (5,2) é autovetor da matriz A= 12 54 λ = 6 , é o autovalor associado, pois: = = 2 5 6 12 30 2 5 12 54 Determinação dos Autovalores e Autovetores Determinação dos Autovalores Se v e λ são respectivamente, autovetor e o correspondente autovalor de uma matriz quadrada A, tem-se: Av = λ v, ou, Av - λ v = 0. Pode-se escrever Av - λ Iv = 0, ou, (A - λ I)v = 0. Para que esse sistema homogêneo admita soluções não-nulas, deve-se ter 10 det(A - λ I) = 0. A equação det(A - λ I) = 0 é denominada equação característica da matriz A, e suas raízes são os autovalores de A. O determinante det(A- λ I) é um polinômio em λ denominado polinômio característico. No caso de uma matriz 3x3 Seja A= 11 12 13 21 22 23 31 32 33 a a a a a a a a a . 11 12 13 21 22 23 31 32 33 det 0 λ λ λ − − = − a a a a a a a a a as raízes desta equação determina os autovalores de A. Determinação dos Autovetores A substituição de λ pelos seus valores no sistema de equações lineares (A - λ I)v = 0 permite determinar ao autovetores associados. Exemplo. Se A = − 62 31 , o polinômio característico de A é dado por: p(x)=det (x I – A)= 62 31 − −− x x =(x – 1) (x – 6) + 6=x2 – 7 x + 12=( x – 4) ( x – 3). Logo, as raízes do polinômio característico são 4 e 3, ou seja, os autovalores de A são 4 e 3. Se o autovalor λ = 4, − −− 642 314 . y x = 0 0 Daí, − − 22 33 . y x = 0 0 . Resolvendo esse sistema temos que x = y. Assim os vetores do tipo (x, x), ≠ 0x são os autovetores associados ao autovalor λ = 4. 11 Se o autovalor λ = 3, − −− 632 313 . y x = 0 0 . Daí, − − 32 32 . y x = 0 0 . Resolvendo esse sistema temos que 2x = 3y. Assim os vetores do tipo ),23( yy , ≠ 0y são os autovetores associados ao autovalorλ = 3. Propriedades 1. Se v é um autovetor associado ao autovalor λ de uma matriz A, o vetor vα , para qualquer real 0α ≠ , é também autovetor de A associado ao mesmo λ . 2. Se λ é um autovalor de uma matriz A de ordem n, o conjunto Sλ de todos os vetores nIRv ∈ , inclusive o vetor nulo, associados ao autovalor λ , é um subespaço vetorial do nIR . No exemplo acima, para λ = 4, o auto espaço 4S é definido por: }/),{(}/),{( 24 IRxxxxyIRyxS ∈==∈= e B={(1,1)} é uma base para 4S Para λ = 3, o auto espaço 3S é definido por: }/),2/3{(}32/),{( 23 IRyyyyxIRyxS ∈==∈= e B={(3,2)} é uma base para .3S 3. Autovetores associados a autovalores distintos são linearmente independentes. No exemplo acima os autovalores de A são distintos: 1λ = 4 e 2λ = 3. Observe que os autovetores )1,1(1 =v e )2,3(2 =v associados respectivamente a 1λ e 2λ são linearmente independentes. 4. Se A é uma matriz quadrada de ordem n, seus autovetores serão vetores do nIR . 5. Se A é uma matriz quadrada de ordem n que possui n autovalores distintos, então o conjunto C={ }1 2, ,..., nv v v , formado pelos correspondentes autovetores, é uma base para o nIR formado por autovetores de A. Seja A uma matriz quadrada de ordem n e nλλλ ,...,, 21 autovalores distintos de A. Então se nvvv ,...,, 21 são autovetores associados respectivamente a cada autovalor, então M= },...,,{ 21 nvvv é uma base para o nIR formada por autovetores de A 12 Considere C a base canônica do nIR . A matriz mudança de base [ ]MCI é a matriz cujas colunas são as coordenados dos vetores nvvv ,...,, 21 . Exemplo: No exemplo acima considerando M={(1,1),(3,2)} a base do 2IR formada por autovetores da matriz A= − 62 31 A matriz [ ]MCI =M= 21 31 Note que como M é uma matriz mudança de base, tem-se que M é invertível. 5ª Lista de Exercícios 1. Sabendo que [ ] − − = 811 67A BI e A={(1, 3), (2, -4)} determine a base B. 2. Verifique, em cada caso, se v é um autovetor da matriz A. Caso seja, determine o autovalor correspondente. a. A = −18 03 , v = 2 1 b. A = 31 13 , v = 1 1 3. Verifique, em cada caso, se λ é um autovalor de A. Caso seja, determine um autovetor associado a este autovalor λ . a. A = −12 22 , λ = 3 b. A = − − 222 633 217 , λ = 6 4. Dada a matriz A = −− 1212 0311 0010 0001 , determine seus autovalores e uma base para o auto espaço associado a cada autovalor. 5. Dada a matriz A = − 100 420 531 , calcule os autovalores das matrizes A2 e A3. 13 6. Dada a matriz A = 20 52 , determine um autovalor e uma base para o auto- espaço associado a este autovalor. 7. Seja A matriz de ordem n. Prove que A e sua transposta At têm o mesmo polinômio característico. Diagonalização de Matrizes Matrizes semelhantes Uma matriz quadrada C é dita semelhante a uma matriz quadrada de mesma ordem D se existir uma matriz quadrada M invertível tal que MDMC ..1−= . Exemplos: Propriedade: 1) Se C e D são matrizes semelhantes detC = detD De fato, DMD M MDMMDMC invertíveléMcomo detdet.det. det 1det.det.det).det(det 11 ==== −− 444 3444 21 2 ) C é invertível se e somente se D também o for. 3) Se C e D são matrizes semelhantes então elas tem os mesmos valores próprios com a mesma multiplicidade. 4) Se C e D são matrizes semelhantes então possuem o mesmo polinômio característico. Definição: Dizemos que uma matriz A é diagonalizável, se ela for semelhante a uma matriz diagonal. Neste caso dizemos que A pode ser diagonalizada. Proposição: Uma matriz quadrada A de ordem n é diagonalizável se e somente se tem n autovetores linearmente independentes. Neste caso A é semelhante a uma matriz diagonal D, com MDMA ..1−= , cujos elementos diagonais são os autovalores 14 se A, e M é uma matriz cujas colunas são, respectivamente, os n autovetores linearmente independentes de A.(1). M é chamada de matriz diagonalizadora. Exemplo1. A matriz A = 21 45 é diagonalizável. Primeiramente devemos calcular o polinômio característico de A. Esse polinômio é dado por p(x) = det(xI2 – A) = 21 45 −− −− x x = (x – 5) ( x – 2)) – 4 = (x – 1) ( x – 6). Ou seja, o polinômio característico de A é: p(x) = (x – 1) ( x – 6). Logo, os autovalores são 1 e 6. Agora para que possamos analisar se A é ou não diagonalizável, precisamos verificar se os seus autovetores são linearmente independentes, ou seja se os autovetores formam uma base de 2ℜ . Se λ = 1, temos que: (1I – A) v = 0, ou seja, = −− −− 0 0 . 11 44 y x Este sistema é equivalente a: x = - y, logo todas as soluções são da forma: (-y, y) = y(-1, 1), para todo y ℜ∈ . Portanto v1 = (-1, 1) é o autovetor associado a λ = 1. Se λ = 6, temos que (6I – A) v = 0, ou seja, = − − 0 0 . 41 41 y x . Este sistema é equivalente a x = 4y, logo todas as soluções são da forma: (4y, y) = y(4, 1), para todo y ℜ∈ . Portanto v2 = (4, 1) é o autovetor associado a λ = 6. Logo os autovetores associados a autovalores distintos são LI. Daí, como A é uma matriz de ordem 2e o conjunto de autovetores {v1, v2} é linearmente independente, então, A é diagonalizável. Além disso a matriz D semelhante e diagonal a A é dada por: = 60 01 D Ma matriz diagonalizadora de A é dada por: − = 11 41 M Observe também que MDMA ..1−= . De fato, 1 A demonstração deste resultado se encontra no livro Introdução à Álgebra Linear com Aplicações de Bernard Kolman, PHB editora. 15 = − − == − − = − − − 21 45 11 41 . 5/65/1 5/245/1 11 41 . 60 01 . 5/15/1 5/45/1 11 41 . 60 01 . 11 41 1 Exemplo2: Mostre que a matriz − = 011 310 301 A não é diagonalizável. De fato, 1'' 1' 0 0)1(3)1(3)²1( 011 310 301 = = = =−−−+−−= −− − − =− λ λ λ λλλλ λ λ λ λIA Consideremos para 1=λ e resolvendo o sistema 0][ =− vIA λ , encontramos os autovetores associados. = −− 0 0 0 111 300 300 z y x 3z = 0 -x + y - z=0 x = z z = 0 Assim o espaço associado ao autovalor 1 é dados por: S1={(x,x,0)/x IR∈ } Como a dimensão deste subespaço é 1 então uma base dele é B={(1,1,0)}. Consideremos agora o autovalor 0=λ e resolvendo o sistema 0][ =− vIA λ , encontramos os autovetores associados. = ⇒ = ⇒ = − 0 0 0 000 310 301 0 0 0 310 310 301 0 0 0 011 310 301 z y x z y x z y x 16 x+3z=0 y+3z=0 Assim o espaço associado ao autovalor 1 é dados por: S1={(-3z,-3z,z)/z IR∈ } Como a dimensão deste subespaço é 1 então uma base dele é B={(-3,-3,1)}. A rodem de A é 3 e não conseguimos obter 3 autovetroes LI, logo A não é diagonalizável. Exemplo3: Verifique se = 201 010 001 A é diagonalizável Tem-se que − − − =− λ λ λ λ 201 010 001 )det( IA = 0 se 2,1 321 === λλλ . Portanto A têm dois autovalores iguais. O auto-espaço associado ao autovalor 11 =λ , tem dimensão 2 pois },/),,2{(},02/),,{(1 IRzyzyzIRyzxzyxS ∈−=∈=+= e B={(-2,0,1),(0,1,0)} é uma base. O auto-espaço associado ao autovalor 23 =λ , tem dimensão 1, pois },0,0/),,{(2 IRzyxzyxS ∈=== e e B={(0,0,1)} é uma base. A ordem de A é 3 e podemos exibir um conjunto LI formado por 3 autovetores do 3IR : B={(-2,0,1),(0,1,0),(0,0,1)}. Assim A é diagonalizável. = 200 010 001 D é uma matriz diagonal semelhante a A e M= − 101 010 002 é a matriz diagonalizadora correspondente. Observe que A possui dois autovalores iguais, porém A é diagonalizável. 17 6ª Lista de Exercícios 8. Mostre, em cada caso, que as matrizes abaixo são diagonalizáveis. a. A = 21 45 b. A = − − −− 211 101 112 c. A = 110 110 001 9. Verifique que a matriz A = − − 11 32 não é diagonalizável. 10. Verifique que a matriz A = 500 041 004 não é diagonalizável. 11. Seja A = − 31 11 . Mostre que v1= (1,1) é autovetor de A e que A não é diagonalizável. 12. Verifique se as matrizes A dadas abaixo são diagonalizáveis. Caso seja, determinar uma matriz M que diagonaliza A. Calcule M 1− A M. − −− − = = − −− − = − = = 520 262 027 ) 12 43) 311 151 113 ) 11 11) 31 22) AeAd AcAbAa
Compartilhar